本发明涉及图像处理，特别是涉及一种基于并行加速的图像处理加速方法。
背景技术：
1、传统的图像处理方法大多采用单线程或基于cpu的串行方式进行计算,这种做法存在一些明显的缺陷和局限性:
2、(1)单线程串行处理无法充分利用现代计算机系统中多核cpu、gpu等并行计算资源,导致图像处理的效率无法满足实时性和高吞吐量的要求，特别是对于高分辨率、大数据量的图像,单线程处理速度往往远远滞后，导致处理效率低下。
3、(2)由于处理效率的限制,传统的串行图像处理方法往往无法满足对实时响应的需求,在智能视频分析、机器视觉检测等场景下表现不佳，延迟的图像处理结果可能导致决策迟缓,影响整体系统的性能，实时性差。
4、(3)该方法主要依赖通用cpu的运算能力,无法充分发挥专用硬件(如gpu、fpga等)的并行优势,导致计算资源利用率低下。
5、另外，为了提高图像处理速度,部分现有技术方案采用了硬件加速器,如:gpu加速、fpga/asic加速、专用图像处理芯片和一些供应商提供专用的图像处理芯片或加速卡,但同样存在成本高、通用性差的缺陷。
6、上述现有技术方案要么效率低下,要么成本昂贵、灵活性差,因此亟需一种能够有效利用通用硬件并行计算资源、并保持良好灵活性和成本可控性的新型图像处理加速技术,以满足实时性和高吞吐量要求。
技术实现思路
1、针对上述现有技术的不足，本专利申请所要解决的技术问题是如何提供一种成本低，性能可靠，扩展性强的基于并行加速的图像处理加速方法。
2、为了解决上述技术问题，本发明采用了如下的技术方案：
3、一种基于并行加速的图像处理加速方法，包括以下步骤：s1：接收来自用户或其他源的图像数据；s2：对图像进行去噪、对比度调整、归一化的预处理；s3：图像分块；s4：根据系统资源和负载情况，动态地将图像小块分配给不同的处理单元；s5：每个处理单元接收图像小块开始级并行处理；s6：实时监控步骤s5中各处理单元的工作状态，动态调整任务分配；s7：收集各处理单元处理后的小块结果，并使用合并算法，拼接完整输出图像；s8：提高拼接后图像的质量s9：输出图像。
4、作为优化，步骤s1中，支持的图像格式包括但不限于jpeg、png、bmp。
5、作为优化，步骤s2中，对图像去噪采用高斯滤波，其公式如下：
6、
7、其中，g(i,j)是高斯核函数；
8、对比度调整使得图像的亮暗区域更加分明，采用直方图均衡化，其公式如下：
9、
10、其中，rk和sk分别是原图像和均衡化后的像素值，nk是灰度级k的像素个数，n是总像素数；
11、归一化用于将图像像素值调整到范围值(通常是0到1)，采用零均值归一化，其公示如下：
12、
13、其中，μ和σ分别是图像像素值的均值和标准差
14、作为优化，步骤s3中，根据图像大小和处理单元的数量，确定分块大小。
15、作为优化，将图像小块动态分配给不同的处理单元时，采用策略进行任务分配，在处理过程中，实现动态检测，检测到某个处理单元负载过高，将其未处理完的任务重新分配给其他负载较轻的处理单元；所述策略包括轮询调度、最短队列优先、负载均衡策略；采用任一进行分配；其中轮询调度为依次将任务分配给每个处理单元，循环分配；短队列优先为监控每个处理单元的任务队列长度，优先将新任务分配给任务最少的处理单元；负载均衡策略为根据处理单元的实时负载情况(如cpu使用率、内存使用率等)进行动态调整，确保负载均衡。
16、作为优化，步骤s5中，所述处理单元包括但不限于cpu核心、gpu、专用硬件加速器。
17、作为优化，步骤s6中，在对各处理单元进行监控时，采用系统监控工具，获得每个处理单元的实时状态，包括cpu使用率、内存使用率、任务队列长度；并定期收集状态数据，反馈给任务调度器；根据监控数据，实时调整任务分配策略。
18、作为优化，步骤s7中，在进行合并时，需要处理边缘像素，确保拼接后的图像没有明显的痕迹。
19、作为优化，步骤s8中，进行图像质量提高的过程采用包括但不限于边缘像素插值、图像质量增强的方式。
20、作为优化，步骤s9中，输出的图像，根据指令输出至指定的存储位置或显示设备。
21、本发明具有以下效果：
22、1)显著的性能提升
23、充分利用并行计算资源,理论上可获得接近线性级别的加速比,处理速度比单线程串行快数倍至数十倍,满足实时性和高吞吐量需求。
24、2)良好的成本可控性
25、无需采购高价的gpu加速卡或专用加速芯片,可在通用硬件平台(如服务器、工作站等)上运行,降低整体系统成本。
26、3)优秀的可扩展性
27、处理能力可以通过增加cpu核数、gpu资源等方式随时扩展,满足不同应用场景的性能需求,避免了专用加速硬件的固化缺陷。
28、4)开发友好性
29、开发人员只需基于标准并行编程接口(如openmp、cuda等)进行开发,无需了解底层硬件细节,显著降低了开发难度。
30、5)广泛的适用场景
31、可广泛应用于智能视频分析、机器视觉检测、医学图像分析等各种图像处理密集型领域,为相关领域的技术发展提供有力支持。
1.一种基于并行加速的图像处理加速方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于并行加速的图像处理加速方法，其特征在于，步骤s1中，支持的图像格式包括但不限于jpeg、png、bmp。
3.根据权利要求2所述的一种基于并行加速的图像处理加速方法，其特征在于，步骤s2中，对图像去噪采用高斯滤波，其公式如下：
4.根据权利要求3所述的一种基于并行加速的图像处理加速方法，其特征在于，步骤s3中，根据图像大小和处理单元的数量，确定分块大小。
5.根据权利要求4所述的一种基于并行加速的图像处理加速方法，其特征在于，将图像小块动态分配给不同的处理单元时，采用策略进行任务分配，在处理过程中，实现动态检测，检测到某个处理单元负载过高，将其未处理完的任务重新分配给其他负载较轻的处理单元；所述策略包括轮询调度、最短队列优先、负载均衡策略；采用任一进行分配；其中轮询调度为依次将任务分配给每个处理单元，循环分配；短队列优先为监控每个处理单元的任务队列长度，优先将新任务分配给任务最少的处理单元；负载均衡策略为根据处理单元的实时负载情况(如cpu使用率、内存使用率等)进行动态调整，确保负载均衡。
6.根据权利要求5所述的一种基于并行加速的图像处理加速方法，其特征在于，步骤s5中，所述处理单元包括但不限于cpu核心、gpu、专用硬件加速器。
7.根据权利要求6所述的一种基于并行加速的图像处理加速方法，其特征在于，步骤s6中，在对各处理单元进行监控时，采用系统监控工具，获得每个处理单元的实时状态，包括cpu使用率、内存使用率、任务队列长度；并定期收集状态数据，反馈给任务调度器；根据监控数据，实时调整任务分配策略。
8.根据权利要求7所述的一种基于并行加速的图像处理加速方法，其特征在于，步骤s7中，在进行合并时，需要处理边缘像素，确保拼接后的图像没有明显的痕迹。
9.根据权利要求8所述的一种基于并行加速的图像处理加速方法，其特征在于，步骤s8中，进行图像质量提高的过程采用包括但不限于边缘像素插值、图像质量增强的方式。
10.根据权利要求9所述的一种基于并行加速的图像处理加速方法，其特征在于，步骤s9中，输出的图像，根据指令输出至指定的存储位置或显示设备。
